关键词：
无线电回波探测
多元变分模态分解算法
本征模态函数
粒子群算法
东南极冰盖
摘要：
当前气候的持续变化已经导致南极冰盖冰体的大量消融。越来越多的学者意识到,东南极冰盖的稳定性可能比预期还要脆弱,部分区域也可能同西南极冰盖一样,有极强的不稳定性。因此,确定南极冰盖不同区域的稳定性至关重要。目前,限制冰盖模型模拟并预测冰盖未来行为的最大不确定性因素主要来自对冰盖内部结构和长期演化认识的不足。
冰雷达调查是实现量化冰盖内部信息和基底条件的有效途径。探冰雷达由于具有探测覆盖面积广、效率高等优点被广泛应用于极地冰盖探测。在低衰减的冰介质中,冰雷达具有穿透深度大、分辨率高和收集信息量大的特点,因此,被广泛应用于刻画基底和内部冰层结构几何特征以及古冰芯选址。然而,冰雷达探测存在的噪声干扰或衰减弱信号限制了雷达图像对冰层结构和深部山谷形态特征的刻画,影响了几何特征的提取精度。因此识别并剔除噪声和杂波,提高几何特征的提取精度是探冰雷达信号处理的关键一环。
本文将以中国极地研究中心第32次南极科考(the 32nd Chinese National Antarctic Research Expedition,CHINARE32)首次在南极冰盖航空物理调查获得的冰雷达数据为研究对象,提出一种探冰雷达数据联合去噪方法PSOMVMD(Particle Swarm Optimization-Multivariate Variational Mode Decomposition),多元变分模态分解算法(Multivariate Variational Mode Decomposition,MVMD)是对变分模态分解算法(Variational Mode Decomposition,VMD)的改进。MVMD从单通道扩展到了多通道,在时域与频域均有比较高的分辨率。本文利用粒子群算法对MVMD参数进行搜索,以确定惩罚因子α和本征模态函数(Intrinsic mode function,IMF)分量个数K。解决了传统的MVMD预先设置的惩罚因子α和IMF分量的个数K具有随机性的问题。再结合能量熵、信噪比(Signal-to-noise Ratio,SNR)、峰值信噪比(peak signal-to-noise ratio,PSNR)和均方根误差(Root Mean Square Error,RMSE)四个量化参数对雷达信号分解结果进行判断,选取最佳分量组合,达到压制噪声的目的。本文为冰雷达的数据处理提供一种新的方法,实现了信号从低频到高频的依次分解。通过将MVMD与PSO算法结合,解决了MVMD需要依赖人工经验设置参数的问题。该方法在处理数据方面,去噪效果明显,能够聚焦冰川深部,获得高分辨率的冰下基底构造,提高几何特征的提取精度,使得到的冰岩界面状况有最大限度准确性,有助于实现量化处理冰雷达数据,进一步研究冰下地形。在机载冰雷达去噪数据的基础上,对冰盖结构进行解释分析,揭示了该区域冰盖复杂的冰表面、冰岩界面特征以及内部层连续性特征。通过得到的基岩反射面能够获得冰盖厚度以及基岩变化尺度;根据内部等时层特征能够推测冰流速变化、沉积环境等。以上处理与解释为南极冰盖运动变化提供了更加精细准确的信息。
欢迎来到三峡大学图书馆！
